5 tehnike dijagnostike grešaka za velike transformatorne agregate

Metode dijagnostike grešaka transformatora

1. Metoda omjera za analizu rastvorenih plinova

Za većinu transformatora s uljevenim ohlаждением, при тепловом и электрическом напряжении в баке трансформатора образуются определенные горючие газы. Горючие газы, растворенные в масле, можно использовать для определения характеристик термического разложения системы изоляции трансформаторного масла-бумаги на основе их конкретного содержания газов и соотношений. Эта технология была впервые использована для диагностики неисправностей в маслонаполненных трансформаторах. Позже Барраклоу и другие предложили метод диагностики неисправностей с использованием четырех газовых соотношений: CH4/H2, C2H6/CH4, C2H4/C2H6 и C2H2/C2H4. В последующих стандартах МЭК соотношение C2H6/CH4 было удалено, и модифицированный трехсоотношенный метод получил широкое распространение. Роджерс дал подробный анализ и объяснение кодирования и методов использования соотношений газовых компонентов в стандартах IEEE и МЭК. Долгосрочное применение МЭК 599 показало, что в некоторых случаях он не соответствует фактическим условиям и не может диагностировать определенные сценарии неисправностей. В результате Китай и Японская ассоциация электротехники улучшили кодирование МЭК, в то время как другие методы анализа растворенных газов также получили широкое применение.

2. Metoda dijagnostike neizrazitog logika

Američki teoretičar kontrole L.A. Zadeh prvi je predložio metode neizrazite dijagnostike, koje su se od tada proširile na šire primjene. Neizrazita logika je korisna za izražavanje kvalitativnog znanja i iskustva s nejasnim granicama. Koristeći koncept funkcija pripadnosti, ona razlikuje neizrazite skupove, obrađuje neizrazite odnose, simulira ljudsko zaključivanje temeljeno na pravilima i rješava razne probleme neizrazitosti u praktičnim primjenama. U praksi, transformatori često pokazuju neizrazite uzroke i mehanizme, uključujući brojne neizrazite odnose, koje tradicionalni metodi ne mogu dobro objasniti ili opisati. Metode neizrazite logike mogu efikasno riješiti ove neizrazite odnose u greškama transformatora, pružajući novi pristup dijagnostici grešaka moćnih transformatora.

Da bi se suočili s ograničenjem nedostatka ključnih kriterija omjera u često korištenom metodu Rogersovih omjera za dijagnozu grešaka moćnih transformatora, predložena je metoda koja koristi teoriju neizrazitih skupova. Ovaj pristup uvodi tehnologiju neizrazite logike u tradicionalne metode omjera putem neizrazitosti granica omjera. Ova metoda pokazala je dobre rezultate u dijagnozi više grešaka transformatora i razvila se u seriju metoda dijagnostike grešaka, uključujući kombinacije kodiranja, tehnike neizrazitog klasteriranja, Petrijeve mreže i sive sustave. Ovi modeli potpuno uzimaju u obzir inherentnu neizrazitost podataka, efektivno poboljšavaju performanse s kompleksnim skupovima podataka i povećavaju točnost dijagnostike grešaka transformatora.

3. Metoda dijagnostike ekspertnog sustava

Ekspertni sustavi predstavljaju važan grana umjetne inteligencije. To su računalni programski sustavi koji do neke mjere mogu simulirati ljudsko ekspertno iskustvo i procese zaključivanja. Na temelju podataka pruženih od strane korisnika, oni primjenjuju pohranjeno ekspertno znanje ili iskustvo kako bi donijeli zaključke i sudove, konačno pružajući zaključke s razinama pouzdanosti kako bi pomogli u donošenju odluka korisnicima. Dijagnostika grešaka moćnih transformatora je izuzetno složeni problem koji uključuje mnoge faktore.

Donošenje točnih sudova na temelju različitih parametara zahtijeva čvrste teorijske temelje i bogato iskustvo u održavanju. Također, zbog varijacija u kapacitetu transformatora, nivoima napona i radnim okruženjima, ista greška može se pojaviti na različite načine na različitim transformatorima. Ekspertni sustavi imaju snažnu toleranciju na greške i prilagodljivost, što im omogućuje da modificiraju svoju bazu znanja na temelju stjecenog dijagnostičkog znanja kako bi osigurali cjelovitost. Stoga, oni mogu efikasno dijagnosticirati različite vrste moćnih transformatora. Ekspertni sustavi za dijagnozu grešaka moćnih transformatora mogu utvrditi karakteristike grešaka sintezirajući znanje o uzrocima i vrstama grešaka, uključujući znanje o detekciji grešaka uključujući analizu rastvorenih plinova u ulju. Oni mogu efikasno rješavati neizrazite probleme u dijagnozi grešaka koristeći neizrazitu logiku, rješavati prepreku u dobivanju potpunog znanja korištenjem metoda grubih skupova i uspostaviti strukture prikladne za suradnju više stručnjaka u dijagnozi koristeći arhitekturu crne ploče.

4. Metoda dijagnostike umjetne neuronske mreže

Umjetne neuronske mreže matematički modeliraju aktivnost neurona i predstavljaju sustav obrade informacija temeljen na mimikriji strukture i funkcije neuronskih mreža mozga. ANNs posjeduju sposobnosti samoodređivanja, prilagodbe, samoučenja, tolerancije na greške i snažne ne linearno aproksimacijske sposobnosti. One mogu implementirati predviđanje, simulaciju i neizrazito kontrolne funkcije, što ih čini moćnim alatima za obradu ne linearnih sustava. Korištenje umjetnih neuronskih mreža za dijagnozu grešaka transformatora temeljeno na komponentama i koncentracijama rastvorenih plinova u ulju bilo je fokus istraživanja u posljednjih godina. To je dovelo do razvoja različitih metoda dijagnostike grešaka temeljenih na ANNs, poput dvofazne metode ANN, metode propagacije unazad umjetnih neuronskih mreža, modela neuronskih mreža stabla odluke, kombiniranih neuronskih mreža hijerarhijskih struktura i radialnih baznih funkcija neuronskih mreža. Ove metode neprekidno poboljšavaju brzinu konvergencije, performanse klasifikacije i točnost algoritama neuronskih mreža.

5. Ostale metode dijagnostike

Osim navedene četiri metode, nekoliko drugih pristupa također se koristi za dijagnozu grešaka transformatora. Organiziranjem neuronskih mreža i teorije dokaza kako bi se iskoristile njihove komplementarne prednosti, može se razviti kompleksna metoda dijagnostike grešaka transformatora koja integriše više neuronskih mreža s teorijom dokaza. Inspirirajući se učinkovitim mehanizmima prepoznavanja i memoriranja antitijela protiv antigena u biološkim imunološkim sustavima, se može primijeniti samoorganizirane mreže antitijela i algoritmi generiranja antitijela kako bi se riješili problema dijagnostike grešaka moćnih transformatora. Također, druge metode dijagnostike grešaka transformatora uključuju one temeljene na fuziji informacija, teoriji grubih skupova, kombiniranim stablima odluke, Bayesovim mrežama, umjetnim imunološkim sustavima, novim radialnim baznim funkcijama mreža i strojevima vektora podrške.